随想/具身智能的基础模型已经四大流派。 两位科学家、一个企业巨头和明星创业公司。李飞飞的世界模型，强调仿真和数据，英伟达前半场信奉VLM从感知到理解，如今直奔仿真流的WAM、后面的几篇论文有直接抛弃VLM+ACT路径的意思，毕竟要卖软件和算力。只有可爱的PI，坚持了OpenVLM的感知-理解-行动的经典流派，在确定场景中拿数据集作验证和逐步泛化。 却唯独杨（LeCun）的JEPA很另类，更像纯粹的牛顿物理AI。 这几天思考，这哥们敢于提出把真实世界压缩为高维度空间的“潜在表示”。以前听到介绍JEPA中反复提及的用“抽象表征”总是心里各种不适应，在理科生的眼中，表征等于外在表现或者肤浅的表面。其实英文Abstract Representative，原意是“抽象的再次复现”，更容易理解。“表征”是哲学中译词汇，文科生可能更懂。今天的计算机论文翻译者，大概需要哲学或者心理学PDH。 也想起来以前看那本西瓜书《机器学习》教材的时候，听到辛顿“反向传播理论“的别扭。反向可能是倒着推算吧，可是提到传播理论四个字，还以为串课到了传媒大学新闻系。其实这个该死的词汇，只是复合函数偏微分中常用的“链式法则”，那个公式简单极了，一句话，Loss损失函数（也是一种复合函数）中的一个权重自变量向上一个函数的递归式逐级偏微分连乘。你不知道我高中多讨厌语文。 LLM的计算，超级黑盒。 从I/O之间的有如无限大的张量线性叠加的隐藏层。 如今，具身智能则要计算从Encode到Decode的复杂几何倍数于LLM的“隐空间”。 超级大黑盒。 资本希望的趋势，VLM的黑盒套在LLM的黑盒上。别让我的钱白烧。 无论是Hidden Layer还是今天的latent Space，中文翻译都用了一个隐字。很喜欢。 想起自己五年前的起名ID，简直是为AI而生。以后直接叫我，隐。《边水往事》的导演，我朋友，当年第一部创作我们参与过投资，他的名字叫做算。别忘了，请以后叫我，隐。 比起李飞飞的Sim to Real结合Dateset出发的世界模型，杨的视角里，完全不关心像素、纹理、阴影和光照。杨更关心的“抽象的潜在表征”，比如预测”被遮挡的区域形态，时间的后续状态”。 三位都说自己的模型、数据和工具如何，针对创业者、商业和落地预言。唯独杨的提出，是绝世独立的一套抽象架构。今天，主流从业者似乎没人理会杨。我感觉，但愿是错觉，在Meta杨像一个Loser，但是杨的JEPA，所谓的“联合嵌入预测架构”，让我想起最初的谷歌提出Transformer和注意力机制，也只是从一套理论架构开始，其实也被一度冷落。 做学术研究的，往往结局是一条路走到黑，从黑天开始走。无论价值还是审美，都没错。想起刚拿奖的两位数学家的样子，都美，都很优雅。扯远了。已经文非所题。 杨更像是一位物理学家。